使用贝叶斯特征分配模型基于系统发育的肿瘤亚克隆识别

肿瘤细胞在癌症患者体内的演化过程中会获得不同的遗传变异。由于竞争和选择，只有少数具有不同基因型的细胞亚群存活下来。这些细胞亚群通常被称为亚克隆。近年来，人们开发了许多统计和计算方法来识别肿瘤亚克隆，带来了具有生物学意义的发现，并揭示了肿瘤进展、转移、耐药性及其他过程。然而，现有的大多数方法要么无法推断亚克隆间的系统发育结构，要么无法纳入拷贝数变异（CNV）。在本文中，我们提出了 SIFA（基于特征分配的肿瘤亚克隆识别），这是一种同时考虑 CNV 和肿瘤系统发育结构来推断肿瘤亚克隆的贝叶斯模型。我们使用具有不同测序深度、进化树大小和树复杂度的模拟研究，将 SIFA 与另外两种常用方法的性能进行了比较。在 Rand 指数和细胞含量估计准确度方面，SIFA 始终产生更好的结果。通过将 SIFA 应用于乳腺癌研究中四名患者的全基因组测序（WGS）样本，也证明了其实用性。